基于VEM框架的教学资源共享平台设计

针对传统方法对教学资源的共享往往存在资源分类不明确、共享效率低等问题,提出了基于VEM(Variational Expectation Maximization)框架的教学资源共享平台设计方案。平台由对协同工作完成对教学资源的预处理、特征提取、分类以及共享4个层次组成。在预处理阶段,删除冗余信息,减少系统存储空间;特征提取模块运用语义邻接矩阵,计算资源中词汇的特征度值,挑选出特征度值较大的词汇;在分类模块,运用上下位关系构建分类框架,计算每个词对之间的关系强度,根据强度的不同实现分类;对完成分类的资源编号分别存储,教师可直接查找完成资源共享。实验结果表明,该教学资源共享平台的分类准确性为98.6%,资源共享平均用时为1.15 s,表明设计的教学资源共享平台的准确性和效率较高。

压缩感知多目标无源定位中的字典适配方法

该文针对压缩感知多目标无源定位在无线定位环境中的字典失配问题,提出基于变分期望最大化算法的字典适配方法。该方法首先根据鞍面模型建立无源字典,并将与定位环境相关的字典参数作为可调参数。然后,为目标位置向量建立两层的混合高斯先验模型以诱导其稀疏性。最后,利用变分期望最大化算法估计隐藏变量的后验分布以及优化字典环境参数,实现多目标位置估计和字典适配。仿真结果表明,相较于传统的压缩感知多目标无源定位方法,在变化的无线定位环境下,所提定位方法的性能优势尤为明显。